《第2章音频处理技术知识课件》由会员分享，可在线阅读，更多相关《第2章音频处理技术知识课件（56页珍藏版）》请在金锄头文库上搜索。
1、1,第2章 音频处理技术,西安交通大学计算机教学实验中心,2,简述,音频是多媒体技术中媒体的一种，由于音频信号是一种连续变化的模拟信号，而计算机只能处理和记录二进制的数字信号，因此，音频信号必须经过一定的变化和处理，变成二进制数据后才能送到计算机进行编辑和存储。,3,声音的基本特性,音频信号所携带的信息大体上可分为语音、音乐和音响三类。 语音是指具有语言内涵和人类约定的特殊媒体; 音乐是规范的符号化了的声音; 音响指其他自然声音，如动物的叫声、机器的轰鸣声、风雨雷电声等;,4,音频信号的特征,声音机械振动产生声波。 声波可以用一条连续的曲线来表示，它在时间和幅度上都是连续的，称为模拟音频信号。
2、 在任一时刻，声波可以分解成一系列正弦波的线性叠加：,6,声压,声波在空气媒质中是以空气中的分子振动形成疏密而传播。它造成空气中的气压发生大小变化，相当于在无声波下空气中的气压上叠加一个变化的压强，叠加上的压强称为声压，记作P。单位有帕斯卡（Pa）和微巴（bar）。 引起人耳刚能听到声音时的声压称为可听阈 引起人耳膜感到疼痛的声压称为痛阈,7,分贝(dB),在声学中引用分贝来表示声压或声强的变化程度因为人的听觉神经的刺激程度不与刺激量大小成正比，而是按刺激量以10为底的对数增长,8,动态范围,声音的动态范围指声音的最大声压级和最小声压级之间的差值。 每种声源的动态范围依据各自的特性有所不同。
3、如女声的动态范围为2550dB， 男声为3050dB， 交响乐队的动态范围大于100dB。 动态范围不仅用来表示一个声源产生的最大声压级与最小声压级之间的差值，录音设备或记录声音的载体(磁带、光盘、硬盘)同样可用动态范围表示能够处理信号电平的范围。 如磁带的动态范围为50dB60dB， CD光盘96dB， 磁光盘录放音机105dB。,9,频谱,乐器很少产生单一频率的纯音，而是复音。 复音的产生基于物体的复杂振动，可以分解为许多不同振幅和不同频率的简谐振动(即看成简谐振动的叠加)。 简谐振动的振幅按频率排列的图形称为频谱。频谱可一目了然地看出复杂振动的频率结构。,钢琴的复音频谱,基频为253Hz
4、,10,音频信号的质量指标,频带宽度 音频信号所包含的谐波分量越丰富，音色越好。在广播通信和数字音响系统中，以声音信号所包含的谐波分量的频率范围来衡量声音的质量，即带宽。,不同质量的声音的频带对比示意图,11,动态范围,动态范围越大，说明音频信号强度的相对变化范围越大，音响效果越好。 动态范围一般用dB为单位来计量。 AM广播的动态范围约40dB FM广播的动态范围约60dB CDDA的动态范围约100dB， 数字电话约50dB。,12,声音的数字化,数字化就是将连续信号变成离散信号。 对音频信号，首先在时间上离散，取有限个时间点，称为采样。 然后在幅度上离散，取有限个幅度值，称为量化。 再将
5、得到的数据表示成计算机容易识别的格式，称为编码。,13,PCM编码,PCM编码示意图,PCM是一种把模拟信号转换成数字信号的最基本的编码方法，它主要包括采样、量化和编码3个过程。,14,量化位数,15,均匀量化,量化时，如果采用相等的量化间隔对采样得到的信号作量化，那么这种量化称为均匀量化。均匀量化采用相同的“等分尺”来度量采样得到的幅度，也称为线性量化.,缺点: 不能适应幅度大的输入信号，有效利用样本的位数.,16,非线性量化,非线性量化的思想是大的输入信号采用大的量化间隔，小的输入信号采用小的量化间隔， 这样就可以在满足精度要求的情况下用较少的位数来表示。声音数据还原时，采用相同的规则。,
6、17,话音频率脉冲编码调制,1972CCITT推荐的G.711标准:话音频率脉冲编码调制,采样频率为8kHz,使用律压扩编码或者使用A律压扩编码,经过PCM编码器之后每个样本需8位二进制存储，输出的数据率为64 kb/s。 这个数据编码的精度相当于13位或14位的数据均匀量化编码。,18,数字音频的技术指标,采样频率 采样频率是指一秒钟采样的次数。采样频率越高，单位时间内采集的样本数越多，得到波形越接近于原始波形，音质就越好。 根据奈奎斯特(Harry Nyquist)采样理论：如果采样频率高于输入信号最高频率的两倍，重放时就能从采样信号序列无失真地重构原始信号。例如，话音的信号频率约为3.4
7、 kHz，若采样频率选为8kHz，就能无失真地重放原始声音。,19,常用采样频率,11.025kHzAM广播 22.05kHz FM广播 44.1kHz CD高保真音质声音 现在声卡的采样频率一般为48kHz甚至96kHz。,20,采样精度,采样精度用每个声音样本的位数表示，也叫样本精度或量化位数。它反映度量声音波形幅度的精度。 例如，每个声音样本用16位表示，则量化样本值在065535的整数范围内，它的精度是输入信号的1/65536 采样精度影响到声音的质量 位数越多，声音的质量越高，而需要的存储空间也越多；位数越少，声音的质量越低，需要的存储空间越少。,21,声道数,单声道(mono)信号
8、一次产生一组声波数据。如果一次产生两组声波数据，则称其为双声道或立体声(stereo)。 双声道在硬件中占两条线路，一条是左声道，一条是右声道。 立体声不仅音质、音色好，而且能产生逼真的空间感。但立体声数字化后所占空间比单声道多一倍。,22,音频数据传输率,音频信号数字化后，产生大量数据 产生数据的速度或播放声音时需要传输数据的速度影响声音的播放质量。数据传输率用每秒钟传输的数据位数表示，记为bps（bit per second）。 未经压缩的数字音频数据传输率为: 数据传输率(bits)=采样频率(Hz)量化位数(bit)声道数,23,声音质量和数字化指标,24,例,高保真立体声数字音频的量
9、化位数为16，试计算其数据传输率 解：高保真立体声数字音频采样频率为44.1kHz，双声道，其数据传输率为 数据传输率=44.1(kHz)16(bit)2(channel)=1411.2(kbps) 如果采用PCM编码，数字音频文件所占用的空间可用如下的公式计算： 音频数据量（Byte）=数据传输率持续时间8(bit/Byte) 其中数据量以字节(Byte)为单位；数据传输率以每秒比特(bps)为单位；持续时间以秒(s)为单位。,25,例,计算1分钟未经压缩的高保真立体声数字声音文件的大小。 解：高保真立体声数字音频采样频率为44.1kHz，16位量化，双声道，其数据传输率为： 数据传输率=4
10、4.1(kHz)16(bit)2(channel)=1411.2(kbps) 1分钟这样的声音文件的大小为 音频数据量=1411.2（kb/s）60（s）/8(bit/Byte)=10584kB 未经压缩的4分钟的歌曲文件约42M数据，128M的MP3播放器只能存放3首这样的歌曲,26,编码算法与音频数据压缩比,未压缩的音频数据量非常大，因此在编码的时候常常要采用压缩的方式。 实际上，编码的作用一是记录数字数据，二是采用一定的算法来压缩数据以减少存储空间和提高传输效率。 压缩编码的基本指标之一就是压缩比，一般为数据压缩前后的数据量之比,27,压缩算法,包括有损压缩和无损压缩 有损压缩解压后数据
11、不能完全复原，要丢失一部分信息。 无损压缩不丢失任何信息，能较好地复原原始信号,28,数字音频文件格式,数字声音文件格式是数字音频在磁盘文件中的存放形式，相同的数据可以有不同的文件格式，而不同的数据也可以有相同的文件格式. WAVE文件格式 WAVE文件是一种通用的音频数据文件，文件扩展名为“WAV”，Windows系统和一般的音频卡都支持这种格式文件的生成、编辑和播放。 CD激光唱盘中包含的就是WAVE格式的波形数据，只是扩展名没写成“.WAV”。一般说来，声音质量与其WAVE格式的文件大小成正比。 WAVE文件的特点是易于生成和编辑，但在保证一定音质的前提下压缩比不够，不适合在网络上播放,
12、29,MP3文件,MP3文件是采用MP3算法压缩生成的数字音频数据文件，以“.MP3”为文件后缀。 MP3利用MPEG（Motion Picture Expert Group，运动图像专家组）制定的MPEG-1 Audio layer 3的压缩标准，将音频信息用10:1甚至12:1的压缩率，变成容量较小的数据文件。 MPEG1压缩主要用于VCD数据的压缩，也用来压缩不包含图像的纯音频数据，音频压缩算法包括MPEG Audio Layer1、MPEG Audio Layer2等，而MPEG Audio Layer3有很高的压缩比。 MP3是一种利用了人类心理声学特性的有损压缩，人耳基本不能分辨出
13、失真，音质几乎达到了CD音质标准。按照这种算法，10张CDDA的内容可以压缩到l张CDROM中，而且视听效果相当好。,30,RA文件,Real Audio是Real networks推出的一种音乐压缩格式,它的压缩比可达到96:1，因此在网上比较流行。经过压缩的音乐文件可以在通过速率为14.4kbs的MODEM上网的计算机中流畅回放。其最大特点是可以采用流媒体的方式实现网上实时播放，即边下载边播放。,31,电子合成音乐,在多媒体系统中，除了用数字音频的方式以外，还可以用合成的方式产生音乐. 音乐合成的方式根据一定的协议标准，使用音乐符号来记录和解释乐谱，并组合成相应的音乐信号，这就是MIDI乐
14、器数字接口。,32,电子合成音乐的有关概念,MIDI不是声音信号，在MIDI电缆上传送的不是声音，而是发给MIDI设备或其它装置让它产生声音或执行某个动作的指令 00 00 60,钢琴,调,长度,33,MIDI音乐的产生过程,34,MIDI文件,用乐谱指令代替声音数据 有效记录和重现各种乐器声音 MIDI声音仅适于重现打击乐或一些电子乐器的声音 占用存储空间极小 例如一个8位、22.05kHz的波形音频文件持续2s就需超过40KB的容量，而一个MIDI文件播放2分钟所需的空间不超过8KB。 适合乐曲创作和远距离传输,35,多媒体数据的编码技术,1.数据压缩的基本原理 数据压缩的对象是数据。数据
15、是信息的载体，用来记录和传送信息。真正有用的不是数据本身，而是数据所携带的信息。大的数据量并不代表含有大的信息量 . 例:食品包装,36,信息冗余,多媒体数据中大的数据量并不完全等于它们所携带的信息量。在信息论中，称为冗余。 冗余是指信息存在的各种性质的多余度。 减少数据冗余可以节省存储空间，有效利用网络带宽。,冗余分类,1 空间冗余 规则物体的物理相关性,2 时间冗余 视频与动画画面间的相关性,5 视觉冗余 视觉、听觉敏感度和非线性感觉,6 知识冗余 凭借经验识别,3 结构冗余 规则纹理、相互重叠的结构表面,4 信息熵冗余 编码冗余，数据与携带的信息,38,压缩算法的分类,（1）从信息量有无
16、损失划分，有可逆编码和不可逆编码 1）可逆编码也叫无失真编码、冗余度压缩、熵编码等。其原理是减少数据中的冗余度，而不损失任何信息。解压时可以完全恢复出原来的数据，亦称无损压缩。典型的无损压缩有Huffman编码、算术编码和行程编码等。 可逆编码由于不会产生失真，因此在多媒体技术中常用于文本、数据的压缩，它能保证完全地恢复原始数据。但这种方法的压缩比较低，一般在2:15:1之间。,39,不可逆编码,2）不可逆编码是有失真压缩，信息论中叫熵压缩。由于压缩了熵，会减少信息而不能再恢复。因此这种压缩又称有损压缩。在语音和图像中，由于存在视觉冗余和听觉冗余，减少这种信息并不影响人们的听觉效果和视觉效果，所以经常采用这种方法， 有损压缩常用于数字化存储的模拟数据，并且主要应用于图像、声音、动态视频等数据的压缩。如果用混合编码的JPEG标准，对自然景物的彩色图像，压缩比可达到几十倍甚至上百倍。,40,基本压缩编码方法,(1)霍夫曼编码 霍夫曼(Huffman)编码在1952年为文本文件而建立。霍夫曼编码的码长是变化的，对于出现频率高的信息，编码的长度较短；而对于出
